TUGAS

PERANCANGAN EKSPERIMEN

Disusun oleh ;

Mokhamad Sarifudin (07.02.5321)

Yayan Subayo (07.02.5336)
M.Randi.A (07.02.5 )

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT SAINS & TEKNOLOGI “AKPRIND”
YOGYAKARTA
2010
 PENDAHULUAN
Analisis varians (analysis of variance, ANOVA) adalah suatu metode
analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari
masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan
keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher,
bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di
bidang genetika terapan).

Secara umum, analisis varians menguji dua varians (atau ragam)

berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians
dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua
rerata (mean).

Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians

menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan
percobaan:

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-

Snedecor

2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas,

karena hanya digunakan satu penduga (estimate) untuk varians dalam
contoh

3. Masing-masing contoh saling independen, yang harus dapat diatur dengan

perancangan percobaan yang tepat

4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

 Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan
untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga
masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya
sangat luas di berbagai bidang, mulai dari eksperimenlaboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan

Sumber: http://id.wikipedia.org/wiki/ANOVA

TINJAUAN PUSTAKA

ANALISIS VARIANSI SATU ARAH

(One Way ANOVA)

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean

beberapa populasi.
Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya
dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis
hubungan antara berbagai varabel yang diamati. Dalam perhitungan statistik,
analisis variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti
kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan
Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik
data setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa
variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada
setiap kelompok bersifat saling bebas.
Analisis variansi adalah suatu prosedur untuk uji perbedaan mean
beberapa populasi (lebih dari dua).
Hipotesis ANOVA satu arah

• H0 : μ1= μ 2 = μ 3 = … = μ k
➢ Seluruh mean populasi adalah sama
➢ Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
• H1 : tidak seluruhnya mean populasi adalah sama
➢ Terdapat sebuah efek treatment
➢ Tidak seluruhmean populasi berbeda ( beberapa pasang mungkin sama )

Partisi Variansi
Variansi total dapat dibagi menjadi 2 bagian :
SST = SSG + SSW
SST = Total sum of squares (jumlah kuadrat total ) yaitu penyebaran.
agregat nilai data individu melalui beberapa level vaktor
SSG/SSB = Sum of squares between-grup ( jumlah kuadrat antara ) yaitu
penyebaran diantara mean sampel factor .
SSW/SSE = Sum of squares within-grup ( jumlah kuadrat dalam ) yaitu
penyebaran yang terdapat diantara nilai data dalam sebuah level
factor tertentu

Rumus jumlah kuadarat total ( total sum of squares )

SST = SSG + SSW

SST=i=1kj-1ni(xij-x)2

Dimana
SST = total sum of squares ( jumlah kadarat total )
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )

Variansi total
sst=(x11-x)2+(x12-x)2+… (xk nk-x)

Rumus untuk mencari variasi jumlah kuadrat dalam

SSW=i=1kj-1ni(xji-x i)2

Keterangan :
SSW/SSE = jumlah kuadrat dalam.
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus untuk mencari varisi diantara grup

SSG=i=1kni(x i-x)2

Keterangan :
SSB/SSG = jumlah kuadrat diantara
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )

Rumus variasi dalam kelompok

MSW=SSWN-K

MSW = Rata-rata variasi dalam kelompok

SSW = jumlah kuadrat dalam
N-K = derajat bebas dari SSW

rumus variasi diantara kelompok

MSG=SSGK-1

MSW/SSW = Rata-rata variasi diantara kelompok

SSG = jumlah kuadrat antara
k-1 = derajat bebas SSG
Tabel anova satu arah (one-way anova)

Source
SS df Mean square Fratio
Of varian
MSB=SSGK-1
Between/grup SSB/SSG k-1
F=MSGMSW
MSW=SSWN-1
Withtin/error SSW/SSE n-k
total SST n-1

Sumber : Modul Praktikum Statistikaii Program Studi Statistika Fakultas Matematika

Dan Ilmu Pengetahuan Alam Universitas Gadjah Mada 2007.

ANOVA DUA ARAH

Tujuan dan pelaksanaan praktikum ANOVA 2 arah, yakni :
1. Untuk mengetahui dan memahami uji statistik dengan menggunakan
ANOVA, terutama ANOVA 2 arah,
2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji
ANOVA 2 arah dalam kehidupan sehari-hari.
3. Agar dapat menyelesaikan persoalan uji ANOVA 2 arah dan menarik
kesimpulan yang sesuai dengan persoalan yang diujikan.

A. Teori
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan
istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata
secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena
dipakai untuk pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria.
2. Klasifikasi 2 arah
 ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah
yaitu pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap

Kriteria Level
Level
Terput
Konti
usL
nuL
Contoh :

Kriteria dan Level

Asumsi pengujian ANOVA:

1. Populasi yang akan diuji berdistribusi normal

2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah
ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.
Misal, seorang manajer teknik menguji apakah ada pengaruh antara jenis pelumas
yang dipergunakan pada roda pendorong dengan kecepatan roda pendorong
terhadap hasil penganyaman sebuah karung plastik pada mesin circular.

Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai

berikut: Tabel 5.1 Analisis Ragam Klasifikasi Dua Arah

Sumber Derajat
Jumlah Kuadrat
Keragama F hitung
Kuadrat Bebas Tengah
n

Nilai s12 = 2
s1
tengah JKB r–1 JKB f1 = 2
s3
r −1
baris

Nilai JKK k–1

 tengah s22 =
kolom JKK
c −1
2
s
Galat s 3
2
= f2 = 12
s3
(r – 1) (c –
(Error) JKG
1) JKG
(r − 1) (c − 1)

Total JKT rc – 1
Sumber: Walpole, Ronald E. (1995)

Dimana:

Dimana :

JKG = JKT – JKB - JKK

r c 2
T ..
JKT = ∑ ∑x 2
ij −
i =1 j =1 rc

r 2

∑ Ti T ..2
JKB = i =1
−
c rc

∑T . j
j =1
2

T ..2
JKK = −
r rc

Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya

penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau
varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah
factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti
dapat,menggunakan

Sumber : modul praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi

Industri Universitas Gunadarma.
PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH

Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi

kasus variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per
satu, sehingga akan menghadapi banyak kasus ( N semakin banyak ).
Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise
(suatu kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya
suatu analisis data). Noise ini dapat dihindari pada ANOVA dua arah karena
analis disini melibatkan kontor terhadap perbedaan(katagorikal) variabel bebas.
Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas,
dengan sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika
terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan
mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel
terikatsejajar (saling berpotongan), maka antara faktor tidak mempunyai interaksi.
Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel
terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan masing-
masing variabel terdiri dari beberapa kelompok. Anova dua arah merupakan
penyempurnaan Anova satu arah.Anova dua arah lebih efisien daripada anovasatu
arah, karena:

kasus yang dihadapi lebih sedikit yaitu sejumlah sampel

. noise dapat dihilangkan.

• dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
variabel terikat.

Sumber :http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html

REGRESI LINIER BERGANDA

(Multiple Regression)

Analisis regresi adalah suatu analisis statistik yang memanfaatkan

hubungan antara dua variable atau lebih yaitu variable Y ( variabel dependen atau
respons) pada beberapa variabel lain X1,X 2 , ,X k , ( variabel independent atau
predictor ).
Dalam bagian ini akan dijelaskan secara singkat bagaimana garis regresi
dapat ditentukan dan yang akan ditinjau yaitu garis regresi variable dependent (Y)
atas variable-variabel independent (Xi) yang paling sederhana, dan selanjutnya
disebt regresi linier berganda. Persamaan umum untuk regresi linier berganda
yaitu:
Y= β0+ β1 X1+ β2 X2+…+ βK XK+ ε

Dengan:
b konstan
b ...b k = 1 koefisien populasi variable independent
e = Random error
Koefisien-koefisien dari persamaan regresi berganda selanjutnya
diestimasi dengan menggunakan sampel-sampel, yang prosesenya serupa dengan
regresi linier sederhana yaitu dengan meminimalkan nilai error, sehingga
diperoleh persamaan regresi:
yˆ = bo + b1 x1i + b2 x2i + ….+ bk xki
Dengan:
b0 = nilai estimasi untuk konstan
b1 ….bk = nilai estimasi untuk koefisien variable independent
Seperti halnya regersi linier sederhana, maka untuk regresi linier berganda,
terlebih dahulu perlu diuji apakah regresi linier ganda yang diperoleh
berdasarakan data sampel berugna atau tidak. Untuk itu dilakukan uji hipotesis nol
bahwa model regresi tidak layak dipakai melawan hipotesis alternative yaitu
model regresi layak dipakai. Uji yang digunakan adalah uji menggunakan statistic
F berbentuk:
F= MSRSe2=SSR/KSSE/(n K 1)
Dengan k adalah jumlah variable yang diikutsertakan dala persaman
regresi. Dalam uji hipotesis, digunakan daerah kritis:
Ho ditolak jika F > Fk,n-k-1,α
 Selanjutnya, jika odel regresi yang diperoleh layak digunakan akan
dilakukan lagi uji terhadap koefisien-koefisien regresi secara terpisah untuk
mengetahui apakah koefisien tersebut layak dipakai dalam persamaan atau tidak,
dengan :

 Hipotesis
H0 : βj = 0
H1 : βj ≠ 0
 Statistik Uji
t= bj-0sbj (df = n – k – 1)

Koefisien Determinasi Ganda

Koefisien determinasi adalah nilai yang menunjukkan seberapa besar nilai

variable Y dijelaskan oleh variable X.
R2=SSRSST

Nilai R2 yang mendekati 0 (nol) menunjukkan bahwa data sangat tidak

cocok dengan model regresi yang ada dan sebaliknya, jika nilai R2 mendekati 1
(satu) menunjukkan bahwa data cocok terhadap model regresi.

REVIEW

Analisis variansi

Rancangan dengan 1 faktor – perlakuan = tingkat factor

Rancangan dengan >1 faktor – perlakuan = kombinasi dari tk factor

1 faktor

Varietas
V1 V2 V3
Y11 Y21 Y31
Y12 Y22 Y33
 . . .
. . .
. . .
Y1n1 Y2n2 Y3n3

Efek dari factor ; perubahan hasil/ respon karena berubahnya tingkat-tingkat

factor

2 faktor

V1 V2
P1 p1 v1 p1 v2
P2 p2 v1 p2 v2
P3 p3 v1 p3 v2

V1 V2
P1 y111 y121
y112 122
y11n y12n

V1 V2
P2 y211 y221
212 y222
y21n y22n

V1 V2
P3 y331 y321
y322 y322
y31n y32n
Interakasi dari 2 faktor ; perubahan respon karena perubahan dari tingkat-tingkat
faktor kedua faktor tersebut

Rancangan dengan 1 faktor

1 2 3 ….. k
y11 y21 y31 …. yk
y12 y22 y32 ….. yk2
observasi
….
y1n1 y2n2 y3n3 yknk
 Jumlah
total

K= kolom, ni= baris n= jumlah observasi

Analisis variansi

Jumlah kuadrat (jk) total =

i=1kj=1niYij2- Y…2N

Jkp

i=1kYi..2ni- Y..2N

JKS= jk- jkp

Table anava

Sumber variansi d.k Jk Kr f

Perlakuan k-1 jkp Krp = jkpk-1
Sesatan N-k jks Krs = jksN-k F*=kr
Total N-1 jk pkrs
Ho ditolak jika F* > F (α ; k-1; N-k)

PERBANDINGAN GANDA

Jika dalam analisis variansi ho ditolak , berarti terdapat perbedaan mean

perlakuan. Untuk mengetahi mean-mean mana saja yang berbeda maka dilakukan
perbandingan ganda antara lain dengan metode newton keuls.

Langkah-langkah nya adalah

➢ Mula-mula mean tersebut diurutkan dari yang terkecil sampai yang terbesar
➢ Diuji terlebih dahulu mean terbesar dangan yang terkecil , yang terbesar
dengan yang terbesar kedua , dan seterusnya
µ1, µ2, µ3, µ4, µ5
 diurutkan
µ1≤ µ2≤ µ3≤ µ4≤ µ5
Ho: µ5= µ1 p=5
H1: µ5 ≠ µ1

Hipotesis

Ho: µ5 = µ1
H0: µ5 = µ2
.
.
.
H0: µ2= µ1

Statistik uji
g = yi-yjSE
SEKRS2(1ni+1nj) ; (ni≠nj)
SEKRSn (ni = nj)

Perbandingan ganda
Ho ditolak jika g > g (f, p, α )
↓
Table distr ‘STUDENZED RANGE)
 PEMBAHASAN

Anava satu arah

1. J. R. Reed ingin mengetahui apakah rata-rata jumlah jam kerja per minggu
para manajer sama pada tiga perusahaan yang ada (Buffalo, Pittsburgh, and
Detroit). Sampel acak sederhana yang terdiri dari 5 orang manajer pada
masing-masing perusahaan diambil dan jumlah jam kerja minggu yang lalu
masing-masing manajer tersebut dicatat. Hasilnya seperti berikut.
Dengan α 5%

Prshn 1 Prshn 2 Prshn 3

Observasi
Buffalo Pittsburgh Detroit
1 48 73 51
2 54 63 63
3 57 66 61
4 54 64 54
5 62 74 56
Total 275 340 285
Rata-rata 55 68 57
 Ho: rata-rata jumlah jam kerja perminggu para manajer tidak sama dari
perusahaan (Buffalo, Pittsburgh, and Detroit)
H1:ada perbedaan yang signifikan rata-rata jumlah jam kerja perminggu para
manajer dari perusahaan (Buffalo, Pittsburgh, and Detroit).
Yi= 275 340 285 →Y…= 900 k= 3 N= 15

YI : 55 68 57 → Y ..= 60 ni=5

JK= ( 2304+ 2916+ 3249+ 2916+ 3844+ 5329+ 3969+

4356+ 4096+ 5476+ 2601+ 3969+ 3721+ 2916+ 3136 ) –
(900)215

= 54798- 54000

= 798

JKP = 2752+3402+ 28525 - (900)215

= 54490 – 54000

= 490

JKS =JK-JKP = 798- 490

=308

TABEL ANAVA

Sumber d.k Jk Kr f
variansi

Perlakuan 3-1 = 2 490 245 9.55

Sesatan 15-3 = 12 308 25.66

Total 15-1 = 14 1097

Hipotesis :
Ho= µ1= µ2=µ3

H1 = tidak semua µ1 sama i.1,2,3

Tingkat signifikan α = 5%

F(α ; k-1 ; N-k) = f (0.05 ; 2 ;15) = 3.89

Kesimpulan

Karena F = 9,55 > F0,05;2;12 = 3,89, maka H0 ditolak. Rata-rata jumlah jam
kerja para manajer perminggu pada tiga perusahaan (Buffalo, Pittsburgh, and
Detroit) tidak sama

Perbandingan ganda

μ1=55μ2=68μ3=57

55 < 57 < 68
µ1 µ2 µ3
krs = 25.66

n= 5 k= 3 N=15
SE= 25.665 = 2.26 α= 0.05 F= 15-3= 12
Perbandingan Yi-yj SE G P G(12; p ;0.05)
µ3 vs µ1 68-55=13 2.26 5.75 3 3.77 Ho ditolak
µ3 vs µ2 68-57=11 2.26 4.87 2 3.08 Ho ditolak
µ2 vs µ1 57-55=2 2.26 0.88 2 3.08 Ho diterima*

Kesimpulan µ1= µ2≠ µ3

atau µ1= µ2 < µ3
2. Terdapat 4 metode diet, berikut adalah data 10 orang sampel
yang didata rata-rata penurunan berat badan, setelah sebulan
melakukan diet

Penurunan berat badan (Kg)

Metode- Metode- Metode- Metode-
1 2 3 4
member 4 8 7 6
#1
member 6 12 3 5
#2
member 4 5
#3
Total 14 20 10 16
Y ̅I 4.66 10 5 5.33

Apakah keempat metode diet tersebut memberikan rata-rata penurunan

berat badan yang sama? Uji pendapat tersebut dengan taraf nyata 5 %
Solusi :
.H0 : Setiap metode memberikan rata-rata penurunan berat badan yang sama
H1 : ada perbedaan yang signifikan setiap metode terhadap hasil penurunana berat
badan
Yi= 14 20 10 16 →Y…=60 k= 4 N= 10

YI : 4.66 10 3.33 5.33 → Y =6.25 n1=3, n2=2 ,n3=2, n4=3

JK = 16+ 36+ 16+ 64+ 144+ 49+ 9+ 36+ 25+ 25 - (60)210

= 420- 360

= 60

Jkp =(1423+2022+1022+1623)- (60)210

= 40.66

Jks= jk-jkp= 60-40.66

= 19.34

Table anava
Sumber d.k Jk Kr f
variansi

Perlakuan 4-1 = 3 40.66 13.55 4.19

Sesatan 10-4 = 6 19.34 3.23

Total 10-1 = 9 60

Tingkat signifikansi α= 5 %

F= (0.05 ; 3 ; 6)= 4.76

F*= 4.19 < fα = 4.76

Ho = diterima

H1 = di tolak

Kesimpulan = Setiap metode memberikan rata-rata penurunan berat badan

yang sama

SUMBER : http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html

3. Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama
tablet-tablet itu dapat mengurangi rasa sakit. Ke-25 orang itu dibagi secara
acak ke dalam 5 grup dan masing-masing grup diberi satu jenis tablet. α =
0.05
Lamanya Hilang Rasa Sakit

Tablet
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
5 9 7 4 7
Total 28 39 20 14 33 134

Rata-rata 5.6 7.8 4 2.8 6.6 5.36

H0 = Dari kelima tablet sakit kepala itu mengurangi rasa sakit
yang sama

H1 = ada perbedaan yang signifikan dari kelima tablet sakit kepala tersebut
untuk mengurangi rasa sakit kepala

Yi= 28 39 20 14 33 →Y…=134 k= 5 N= 25

YI : 5.6 7.8 4 2.8 6.6→ Y = 5.36 n= 5

134 2
JK =5 2 + 4 2 +... + 7 2 −
25
JK =850 − 718 ,24 =131 ,76
28 2 + 39 3 +... + 33 3 134 2
JKP = −
5 25
JKP = 798 - 718,24 = 79,76
JKS = 131,76 - 79,76 = 52

Hasilnya dan perhitungan lainnya :

Analisis Ragam bagi Data Klasifikasi Satu Arah

Sumber d.k Jk Kr
F hitung
variansi

Perlakuan 4 79,76 19,94

7,67
Sesatan 20 52 2,6

Total 24 131,76
Tingkat signifikansi α= 5 %

F= (0.05 ; 4 ; 20)= 2.87

F*= 7.67 > fα = 2.87

Ho = di tolak

H1 = diterima
Kesimpulan = ada perbedaan yang signifikan dari kelima tablet sakit kepala
tersebut untuk mengurangi rasa sakit kepala

Perbandingan Ganda

µ1=5.6µ2=7.8µ3=4µ4=2.8µ5=6.6

2.8 4 5.6 6.6 7.8

µ1 µ2 µ3 µ4 µ5

KRS = 2.6 k= 5 n=5 N= 25

SE: 2.65=0.72 α:0.05 F: 25-5= 20

Perbandingan Yi-yj SE g P g (20; p ;0.05)

µ5 vs µ1 7.8- 2.8=5 0.7 6.94 5 4.24 Ho ditolak
2

µ5 vs µ2 7.8- 4=3.8 0.7 5.27 4 3.96 Ho ditolak

2

µ5 vs µ3 7.8- 0.7 3.05 3 3.58 Ho ditolak

5.6=2.2 2

µ5 vs µ4 7.8- 0.7 1.6 2 2.95 Ho

6.6=1.2 2 diterima*

µ4 vs µ1 6.6- 0.7 5.27 4 3.96 Ho ditolak

2.8=3.8 2

µ4 vs µ2 6.6- 4=2.6 0.7 3.6 3 3.58 Ho ditolak

2

µ4 vs µ3 6.6- 5.6=1 0.7 1.38 2 2.95 Ho

2 diterima*

µ3 vs µ1 5.6- 0.7 3.88 3 3.58 Ho ditolak

2.8=2.8 2

µ3 vs µ2 5.6- 4=1.6 0.7 2.22 2 2.95 Ho ditolak

 2

µ2 vs µ1 4- 2.8=1.2 0.7 1.66 2 2.95 Ho

2 diterima*

Kesimpulan µ1= µ2 ≠ µ3 = µ4= µ5

µ1= µ2 < µ3= µ4= µ5

Sumber : modul praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi

Industri Universitas Gunadarma.

4. Toko Appliance mempertimbangkan tiga orang tenaga pemasaran yang akan

menggantikan manajer pemasaran yang telah pension.
• Catatan bulan ketiga pemasaran tersebut dijadikan pertimbangan untuk
memilih salah satu diantaranya.
• Data penjualan bulanan dari ketiga tenaga pemasaran tersebut adalah sebagai
berikut: dengan tingkat signifikansi α= 5 %

Penjualan
Nn. Mapes Tn. Sonnar Tn. Mafee
Jan 15 15 19
Feb 10 10 12
Mart 9 12 16
April 5 11 16
mei 16 12 17
total 55 60 80
Rata-rata 11 12 16
Ho= tidak ada perbedaan dari ketiga tenaga pemasaran tersebut

H1= ada perbedaan yang signifikan antara ketiga tenaga pemasaran tesebut.
 Yi= 55 60 80 →Y…= 195 k= 3 N= 15

YI : 11 12 16 → Y..= 13 ni=5

JK= 225+ 100+ 81+ 25+ 256+ 225+ 100+ 144+ 121+ 144+ 361+ 144+ 256+
256+ 289 - (195)215

= 2727-2535

= 192

Jkp= 3025+3600+64005 - (195)215

= 2605- 2535

=70

Tabel anava

Sumber d.k Jk Kr f
variansi
Perlakuan 3-1= 2 90 35 3.44
Sesatan 15-3= 12 122 10.16
total 15-1=14 192
Hipotesisi

Ho= µ1= µ2= µ3

H1= tidak semua µ1 sama

Tingkat signifikansi α= 5%

F (0.05;4;20) = 3.89

F*= 3.44<3.89

Ho di terima ( tidak ada perbedaan dari ketiga tenaga pemasaran tersebut)

Sumber: http://eprints.undip.ac.id/6795/1/Analysis_of_Variance.pdf
 ANAVA DUA ARAH

1. Data berikut ini adalah nilai akhir yang dicapai oleh 4 mahasiswa dalam mata
kuliah kalkulus, manajemen, fisika, dan agama.

Daftar Nilai Akhir Mahasiswa

Mata Kuliah Total

Mhs
Kalkulus Ekonomi Fisika Agama
1 68 94 91 86 339
2 83 81 77 87 328
3 72 73 73 66 284
4 55 68 63 61 247
Total 278 316 304 300 1198
Lakukan analisis ragam, dan gunakan taraf nyata 0.05 untuk menguji
hipotesis bahwa :

a. Keempat mata kuliah itu mempunyai tingkat kesulitan yang sama!

b. Keempat mahasiswa itu mempunyai kemampuan yang sama!

Penyelesaian :

1. H0’ = Keempat mata kuliah itu mempunyal tingkat kesulitan yang

sama

H0” = Keempat mahasiswa itu mempunyai kemampuan yang sama

2. H1’ = sekurang-kurangnya satu tidak sama

H1” = sekurang-kurangnya satu tidak sama

3.  = 0.05

4. Wilayah kritik = f1 : 3.86, dan f2 : 3.86

 5. Perhitungan:

11982
JKT = 682 + 833 + ... + 612 −
16
JKT = 1921.75
3392 + 3282 + 2842 + 2472 11982
JKB = −
4 16
JKB = 1342.25

2782 + 3162 + 3042 + 3002 11982

JKK = −
4 16
JKK = 188.75
JKG = 1921.75 − 1342.25 − 188.75 = 390.75

Hasilnya dan perhitungan lainnya

Analisis Ragam bagi Data Klasifikasi Dua Arah

Sumber Jumlah Derajat Kuadrat

F hitung
Keragaman Kuadrat Bebas Tengah

Nilai tengah
1342.25 3 447.42 f1 = 10.3
baris
Nilai tengah
188.75 3 62.92
kolom

Galat f2 = 1.45
390.75 9 43.42
(Error)
Total 1921.75 15
6. Keputusan :

a. Tolak H0’, dan simpulkan bahwa keempat mata kuliah mempunyai

kesulitan yang tidak sama.
 b. Terima H0”, dan simpulkan bahwa keempat mahasiswa itu
mempunyai kemampuan yang sama.

Sumber : Modul Praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi

Industri Universitas Gunadarma

2. Seorang guru matematika ingin mengetahui efektivitas pemberian latihan soal

dengan menggunakan perangkat dan buku paket terhadap dua kelompok
siswa, yaitu dengan pengujian efektivitasnya berdasarkan hasil/skor latihan
yang telah dibuat untuk siswa. Untuk kepentingan penelitiannya guru
mengambil/memilih masing-masing 10 pandai untuk diberi dua perlakuan
yang berbeda dan 10 siswa yang kurang pandai untuk keperluan berbeda pula

Hasil penelitiannya ditunjukkan oleh data berikut ini:

LKS Buku Paket

Siswa Pandai Siswa Lemah Siswa Pandai Siswa Lemah
Nama Skor Nama Skor Nama Skor Nama Skor
A1 82 B1 45 C1 63 D1 40
A2 82 B2 50 C2 63 D2 50
A3 73 B3 60 C3 63 D3 60
A4 73 B4 50 C4 55 D4 50
A5 82 B5 45 C5 65 D5 42
A6 60 B6 50 C6 73 D6 53
A7 60 B7 45 C7 55 D7 43
A8 73 B8 60 C8 55 D8 62
A9 85 B9 45 C9 65 D9 35
A10 75 B10 60 C10 55 D10 50

Mengetes Homogenitas Dua Varians

Homogenitas LKS dan Buku Paket

1. Varians semua skor LKS = 14.242= 203.04
Varians semua skor Buku Paket = 9,752 = 95.08

F=203.04=2.14 Jadi, Fhitung = 2.14

95.08
2. Menentukan derajat kebebasan:
db = n -1 dbLKS = 20-1 =19 = db1
dbBuku Paket = 20 -1= 19 = db2
3. Menentukan Ftabel
Ftabel = F(a)(db1)(db2) = F(0.01)(19/19)=
Dengan interpolasi
F(0.01)(16/19) = 3.12 )
( F(0.01)(19/19) = 3.12-3 ( 0.12) = 3.03
F(0.01)(20/19) = 3.00 ) 4

Jadi Ftabel = 3.03

4. Kriteria Homogenitas
Karena Fhitung > Ftabel, varians perlakuan LKS dan Buku Paket Homogen.

Homogenitas Skor Siswa Pandai dan Lemah

1. Varians semua skor siswa pandai = 10.052 = 101.19
2. Varians semua skor siswa lemah = 7.572 = 57.36
Dengan cara seperti di atas diketahui Fhitung < Ftabel maka kedua varians juga
homogen.

Homogenitas pasangan LKS – Siswa Pandai, LKS-Siswa Lemah, Buku Paket-

Siswa Pandai, Buku Paket- Siswa Lemah.

LKS – Siswa Pandai : 82, 82, 73, 73, 82, 60, 60, 73, 85 , 75 (1)
LKS – Siswa Lemah : 45, 50 , 60, 50, 45, 50, 45, 60, 45, 60 (2)
B. Paket – Siswa Pandai : 63, 63, 63, 55, 65, 73, 55, 55, 65, 55 (3)
B. Paket – Siswa Lemah : 40, 50, 60, 50, 42, 53, 43, 62, 35, 50 (4)
1. Varians –varians:
V1 = 78.5
V2 = 43.3
V3 = 36.8
V4 = 74.3

2. Varians Gabungan :

Vgab = (9x78.5) + (9x43.3) + ( 9x36.8) + ( 9x74.3)

9+9+9+9

Selanjutnya dengan menggunakan Uji Kai Kuadrat disimpulkan bahwa keempat

varians di atas adalah homogen ( lihat perhitungan yang lengkap pada analisis Kai
Kuadrat

Sumber: http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html

KESIMPULAN

Analisis varians (analysis of variance, ANOVA) adalah suatu metode

analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi

Secara umum, analisis varians menguji dua varians (atau ragam)

berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples

Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya

penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau
varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah
factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti
dapat,menggunakan

Anova dapat digolongkan kedalam beberapa kritenia, yaitu :

1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.

DAFTAR PUSTAKA

http://id.wikipedia.org/wiki/ANOVA

http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html

Modul Praktikum StatistikaII Program Studi Statistika Fakultas Matematika Dan Ilmu
Pengetahuan Alam Universitas Gadjah Mada 2007

Modul Praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi Industri

Universitas Gunadarma.